2D数据的排列,以训练ANN进行抑郁水平测量
Al Fathjri Wisesa1, Eny Latifah1, Sutrisno1
1Department of Physics, Faculty of Mathematics and Natural Sciences, State University of Malang, Jl. Semarang 5, Malang, 65145, Indonesia.
Data in brief
|March 31, 2025
概括
这项研究开发了一种人工神经网络 (ANN) 工具,通过整合物理和心理数据来测量抑郁症. 研究结果显示,压力感知与身体标志物之间存在关联,提高了抑郁症检测的准确性.
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 医疗信息学 医疗信息学
背景情况:
- 抑郁症显著影响身体健康,但单纯的身体标志物不足以进行准确的测量.
- 整合心理和身体数据为理解抑郁症提供了更全面的方法.
研究的目的:
- 开发一个人工神经网络 (ANN) 模型来测量抑郁程度.
- 调查二维 (2D) 数据的实用性,将物理和心理参数结合起来,用于增强抑郁症检测.
主要方法:
- 收集了95名大学生的数据集,包括四个非侵入性物理参数和感知压力量表 (PSS) 评分.
- 人工神经网络 (ANN) 使用这个二维数据集进行训练,以识别物理和心理指标之间的模式.
主要成果:
- 最初的分析表明,感知到的压力与身体参数 (如心率升高和睡眠质量降低) 之间存在显著的相关性.
- 一个非常显著的p值支持观察到的平均值差异,这表明这些发现不是偶然的.
- 开发的数据集涵盖了所有抑郁症水平,旨在提高测量效率.
结论:
- 在2D方法中将物理和心理数据结合起来,可以提高人工神经网络 (ANN) 在检测抑郁症方面的准确性.
- 这种综合数据策略对于推进抑郁症测量工具至关重要.


